日本的果树有机栽培技术

从土壤管理、EM技术及病虫害防治技术方面对日本果树的有机栽培技术作了介绍。     

一种基于Pearson分布类的图像阈值选取方法

为更准确地模拟数字图像的目标与背景的灰度分布,提出了基于混合Pearson分布类型的图像阈值方法.设计了EM算法计算混合Pearson分布类的待估参数.Pearson分布类能覆盖更大范围的统计分布曲线,因此能更好地匹配未知分布.同时计算量相对比混合广义高斯分布小.     

混合指数分布定数结尾时参数估计的Monte Carlo EM加速算法

应用Monte Carlo EM加速算法对于单参数混合指数分布在定数结尾场合的参数估计问题做了较深入的探讨,做出了模拟试验。     

贝叶斯框架下的自适应质量变量预测模型

针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法.采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本,再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量.利用基于改进Figueiredo-Jain算法的EM算法估...     

广义指数分布在TFR模型中的参数估计

广义指数分布是应用非常广泛的一种分布,近年对该分布的讨论主要是常规寿命试验数据的统计分析方法,研究重点是参数的点估计.但基于不完全样本、应用TFR模型、探讨广义指数分布在步加试验中的参数估计的文献却很少见.对此,利用EM算法给出了参数估计的显性表达式,并通过数据模拟说明了估计方法的可行性.     

基于EM聚类的LTE技术竞争情报分析

以下一代移动通信技术LTE为研究对象,运用文本挖掘技术的EM聚类方法,对德温特创新数据库中6450篇LTE相关专利文献进行文本聚类分析.揭示出LTE技术6个子领域的分布状况,并自动识别每个子领域的研究热点,为客观认识LTE相关专利技术内容提供了定量依据.同时分析每个子领域中竞争企业布局,挖掘每个子领域中专利竞争情报.     

OFDM系统基于导频的信道估计

提出了OFDM系统中一种新的基于软信息迭代处理的信道估计算法。该算法将面向判决最小二乘估计算法和盲估计算法相结合,在估计器中构造了一种新的置信度量函数,根据解码和软映射重构的反馈信号置信度大小在两种估计算法中自适应选择,这样估计的信道频响可以有效提高软信息迭代接收性能,大大降低信道估计训练开销。仿真结果表明,该文提出的算法能有效跟踪信道时变,限制传统面向判决估计的错误传播,达到好的系统性能。     

个人—组织—环境学习过程研究

基于SECI模型忽视外部知识引入对组织学习影响这一缺陷,以SECI模型为基础,综合了Dore、Kim等人的研究,提出了(EM)SECI学习过程模型,用以更全面地说明IOE学习过程(个人———组织———环境学习过程),从组织和个人两个层面对如何提升组织学习力提出了建议。     

基于区间数据加速寿命试验参数估计的EM算法

主要讨论了在步进应力加速寿命试验中,如果寿命分布服从对数正态分布,寿命数据为区间数据,且试验产品满足Nelson提出的累积失效模型的情况下,可以通过推导出的时间折算公式及EM算法给出参数估计。同时举例说明了在样本数据较多的情况下该估计方法的有效性。     

A Multidimensional Finite Mixture Structural Equation Model for Nonignorable Missing Responses to Test Items

We propose a structural equation model, which reduces to a multidimensional latent class item response theory model, for the analysis of binary item responses with nonignorable missingness. The missingness mechanism is driven by 2 sets of latent variables: one describing the propensity to respond and the other referred to the abilities measured by the test items. These latent variables are assumed to have a discrete distribution, so as to reduce the number of parametric assumptions regarding the latent structure of the model. Individual covariates can also be included through a multinomial logistic parameterization for the distribution of the latent variables. Given the discrete nature of this distribution, the proposed model is efficiently estimated by the expectation–maximization algorithm. A simulation study is performed to evaluate the finite-sample properties of the parameter estimates. Moreover, an application is illustrated with data coming from a student entry test for the admission to some university courses.